# GlmImageTransformer2DModel

[GlmImageTransformer2DModel] (TODO) içinden 2B veriler için bir Diffusion Transformer modeli.

## GlmImageTransformer2DModel[[diffusers.GlmImageTransformer2DModel]]

#### diffusers.GlmImageTransformer2DModel[[diffusers.GlmImageTransformer2DModel]]

```python
diffusers.GlmImageTransformer2DModel(patch_size: int = 2, in_channels: int = 16, out_channels: int = 16, num_layers: int = 30, attention_head_dim: int = 40, num_attention_heads: int = 64, text_embed_dim: int = 1472, time_embed_dim: int = 512, condition_dim: int = 256, prior_vq_quantizer_codebook_size: int = 16384)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_glm_image.py#L503)

**Parametreler:**

patch_size (`int`, varsayılan `2`) : Yama gömme katmanında kullanılacak yamaların boyutu.

in_channels (`int`, varsayılan `16`) : Girdideki kanal sayısı.

num_layers (`int`, varsayılan `30`) : Kullanılacak Transformer bloğu katman sayısı.

attention_head_dim (`int`, varsayılan `40`) : Her baştaki kanal sayısı.

num_attention_heads (`int`, varsayılan `64`) : Çok başlı dikkat için kullanılacak baş sayısı.

out_channels (`int`, varsayılan `16`) : Çıktıdaki kanal sayısı.

text_embed_dim (`int`, varsayılan `1472`) : Metin kodlayıcısından gelen metin gömme girdi boyutu.

time_embed_dim (`int`, varsayılan `512`) : Zaman adımları gömme çıktısının boyutu.

condition_dim (`int`, varsayılan `256`) : Girdi SDXL tarzı çözünürlük koşullarının (original_size, target_size, crop_coords) gömme boyutu.

pos_embed_max_size (`int`, varsayılan `128`) : Konumsal gömme (positional embeddings) için maksimum çözünürlük. Girdi yamalı (patched) latentlere eklenen `H x W` biçiminde dilimler bu çözünürlükten alınır; burada `H` ve `W` sırasıyla latent yükseklik ve genişliktir. 128 değeri, görüntü üretimi için desteklenen maksimum yükseklik ve genişliğin `128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048` olduğunu ifade eder.

sample_size (`int`, varsayılan `128`) : Girdi latentlerinin temel çözünürlüğü. Üretim sırasında yükseklik/genişlik sağlanmazsa, bu değer çözünürlüğü `sample_size * vae_scale_factor => 128 * 8 => 1024` olarak belirlemek için kullanılır.

#### forward[[diffusers.GlmImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor, prior_token_id: Tensor, prior_token_drop: Tensor, timestep: LongTensor, target_size: Tensor, crop_coords: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, attention_mask: typing.Optional[torch.Tensor] = None, kv_caches: diffusers.models.transformers.transformer_glm_image.GlmImageKVCache | None = None, image_rotary_emb: tuple[torch.Tensor, torch.Tensor] | list[tuple[torch.Tensor, torch.Tensor]] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_glm_image.py#L597)

**Parametreler:**

hidden_states (`torch.Tensor`, şekli `(batch_size, in_channels, height, width)`) : Girdi `hidden_states`.

encoder_hidden_states (`torch.Tensor`, şekli `(batch_size, sequence_len, embed_dims)`) : Kullanılacak koşullu gömlemeler (giriş koşullarından, örneğin istemlerden hesaplanan gömlemeler).

prior_token_id (`torch.Tensor`) : Önceki gömme (embedding) araması için token kimlikleri.

prior_token_drop (`torch.Tensor`) : Hangi önceki gömlemelerin düşürüleceğini (sıfırlanacağını) gösteren Boole maskesi.

timestep (`torch.LongTensor`) : Gürültü azaltma adımını belirtmek için kullanılır.

target_size (`torch.Tensor`) : Hedef görüntü boyutu koşullandırması.

crop_coords (`torch.Tensor`) : Kırpma koordinatları koşullandırma.

attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde `self.processor` altında tanımlanan `AttentionProcessor`'a iletilen bir kwargs sözlüğü.

return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.transformer_2d.Transformer2DModelOutput` döndürülüp döndürülmediğini belirtir.

attention_mask (`torch.Tensor`, *isteğe bağlı*) : Dikkat puanlarına uygulanan maske.

kv_caches (`GlmImageKVCache`, *isteğe bağlı*) : Çıkarımı hızlandırmak için kullanılan önceden hesaplanmış anahtar/değer önbellekleri.

image_rotary_emb (`tuple` of `torch.Tensor`, *isteğe bağlı*) : Ön hesaplanmış döner konumsal gömme (embedding) değerleri.

**Dönüş:**

`return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür.

[GlmImageTransformer2DModel](/docs/diffusers/main/tr/api/models/glm_image_transformer2d#diffusers.GlmImageTransformer2DModel) ileri yöntemi.